データ分析の真の目的は、グラフを作ることではありません。ビジネスの現場が抱える課題を特定し、売上を伸ばすために必要な「根拠のある施策」を導き出すことです。

データアナリスト/データ分析マスター講座では、全国にチェーン展開するカフェの店長や経営者になったつもりで売上データや顧客アンケート結果を分析します。

「なぜ、この店舗は他店と比べて売上が高いのか？」
「お客様の満足度を上げるには何をすべきか？」
全国一律の施策では見えてこない、現場のリアルな課題をPythonによるデータ分析で明らかにしていきましょう。

「数字の整理」から「経営のヒント」を見つける分析へ

データ分析スキルの習得によりできること

そもそもデータ分析は、単なるデータ集計とは異なり、集計したデータを多角的に分析して将来的に発生する出来事を予測するものです。

例えば、以下のような予測が可能になります。

・売上予測
回帰分析（単回帰・重回帰）を用いて、前月から投資している広告費や実施しているキャンペーン、店舗の特性などが、半年後の売上にどのような影響を与えるかを予測します。

・要因分析
顧客満足度に最も影響を与えているのは、商品数・商品の内容・価格・接客（スタッフの対応）など、どの項目なのかを感覚ではなく統計的に特定します。

・施策立案
分析結果をもとに、優先すべき改善案は何かを経営目線で提案（例：商品のラインナップを強化する）します。

そして、Pythonではこの一連の分析を次のようなプロセスで進めます。
1.データを読み込む
2.データを整える（前処理）
3.可視化して傾向をつかむ
4.要因を統計的に分析する
5.将来を予測し、施策を提案する

Python学習でつまずきやすい「データの前処理」の壁

現場のデータは「そのまま」では使えない

Python学習で多くの人がつまずきやすいのは、データの前処理、いわゆる下準備です。

では一体、具体的にどのような状態につまずくのでしょうか。

（事例1）数値であるはずの売上や材料費が「文字列（カンマ付き）」で読み込まれている
私たち人間は、ExcelやCSVのシート内に、売上1,200,000と書かれていれば120万円と認識できます。しかし、Pythonは売上金額ではなく文字列として認識します。

（事例2）日付データがただの文字として扱われている
2026-01という記述は、人間なら2026年1月と考えますが、Pythonはやはり単なる文字列と考えます。

（事例3）キャンペーン実施の有無など、一部のデータが欠落（欠損値）している
1月　キャンペーン実施
2月　
3月　キャンペーン実施
上記は、人間なら2月はキャンペーンを実施しなかったと想定できますが、Pythonはデータが存在しないと判断します。

つまり、Pythonが認識できるように、データを正しく修正（型変換や補填）する必要があります。ただ初心者の場合、この前処理が面倒で「自分にはムリ」と感じてしまいがちです。

Google Colaboratoryを使えば挫折しない？

3ステップで進める分析準備

データアナリスト/データ分析マスター講座では、データの前処理の壁を乗り越えるために、すぐに分析を始められるGoogle Colaboratoryを採用しています。

Google Colaboratoryとは、ブラウザ上でPythonのコードを書き、機械学習やデータ分析などを手軽に実行できる無料のクラウド開発環境です。PCに環境を構築する必要がなく、Googleアカウントがあればすぐに使えます。

（ステップ1）コードの写経から理解へ
最初は見本どおりに入力し、少しずつ意味がわかるようにします。データに空欄があると分析が止まってしまうので、「最も多い答えで埋める」などの方法で整えます。また、数字なのに文字となっているデータ（例：1,200）は、カンマを消して数字に直すなど、分析前の準備を順を追って練習します。

（ステップ2）視覚的な理解
まずはグラフでつながりを確かめます。いきなり難しい計算に入るのではなく、散布図や相関係数を使って、「この項目は売上と関係がありそう」や「これはあまり関係がなさそう」と感覚的に理解するようにします。

（ステップ3）標準化による比較
単位が違うデータも同じ土俵で比べられるようにします。例えば「商品数」と「満足度」は、数字の大きさや単位が違うので、そのまま比べるのは公平ではありません。そこで、どちらも比べやすい形に整えてから、どちらがより影響していそうかを判断する方法を学びます。

この3ステップを講師がマンツーマンで、コードの「意味」を解説しながら進めるので、エラーにより手が止まってしまう心配はありません。

マーケティングから店舗改善まで「実務に役立つデータ分析」

演習課題の一部を紹介

実際にデータアナリスト/データ分析マスター講座で行う課題の一部をご紹介します。

1.顧客アンケートの結果を可視化

（アンケート結果の割合）
非常に満足：23.0%
やや満足：37.0%
どちらともいえない：24.8%
やや不満：9.7%
非常に不満：5.5%

（Pythonでの分析プロセス）
まずアンケート結果を表にします。

import pandas as pd

data = {
"満足度": ["非常に満足", "やや満足", "どちらともいえない", "やや不満", "非常に不満"],
"割合": [23.0, 37.0, 24.8, 9.7, 5.5]}
df = pd.DataFrame(data)

次に円グラフで可視化します。

import matplotlib.pyplot as plt

plt.pie(df["割合"], labels=df["満足度"], autopct='%1.1f%%')
plt.title("満足度")
plt.show()

上記の結果が以下のグラフです。

2.店舗の強みを見つける

（各項目について名古屋店と他店平均を比較）
コーヒーの品質
フードメニュー
価格
雰囲気
スタッフの対応
静かな環境
立地条件

（Pythonでの分析プロセス）
まずデータを表で用意します。

items = ["コーヒーの品質", "フードメニュー", "価格", "雰囲気",
"スタッフの対応", "静かな環境", "立地条件"]

nagoya = [158, 110, 133, 54, 89, 168, 200]others = [162, 102, 130, 59, 107, 176, 154]

次に横並び棒グラフで可視化します。

import numpy as np

x = np.arange(len(items))
plt.bar(x-0.2, nagoya, width=0.4, label="名古屋")
plt.bar(x+0.2, others, width=0.4, label="他店舗平均")

plt.xticks(x, items, rotation=45)
plt.legend()
plt.show()

分析の結果、名古屋店は立地条件が強みということがわかります。

3.売上予測の精度を測る
（時系列比較）
・過去の売上（実測値）
・統計モデルによる売上予測（予測値）

（Pythonでの分析プロセス）
まず日時データを扱います。

df["年月"] = pd.to_datetime(df["年月"])
df.set_index("年月", inplace=True)

次に折れ線グラフで可視化

plt.plot(df.index, df["実測値"], label="実測値")
plt.plot(df.index, df["予測値"], linestyle="--", label="予測値")
plt.legend()
plt.show()

分析の結果、実測値と予測値の乖離が少ないことから、売上予測の精度は高いと言えます。

あらゆる業界で求められる汎用スキル

こうした分析はカフェの経営に限らず、幅広い分野に応用することが可能です。

✅人事・組織：従業員満足度と顧客満足度の相関関係を調べることで、社内環境の改善が売上にどうつながるかを可視化する。

✅小売・飲食：店舗ごとの強みと弱みを分析し、地域の特性に合わせた商品開発を行う。

✅マーケティング：どの広告媒体が最も売上に貢献したかなど、広告効果を算出し、コストパフォーマンスを最適化する。

「感覚」を「定量的な根拠」に変える力

これができれば実務で大きく貢献！

今まで「商品数が少ないから満足度が低い気がする」のように、現状分析が個人の経験や勘で語られていた職場は少なくないと思います。しかし、データ分析ができるようになれば、「商品数を10%増やせば、満足度は0.5ポイント向上する見込みです」という明確な回答ができます。

また、散布図や回帰係数という客観的な証拠に基づいた提案は、上司やクライアントに対して説得力が増すため受け入れられやすくなるでしょう。

その他、「全国平均は〇〇だが、〇〇店だけは傾向が違う」のように、深い洞察による差別化ポイントの発見は、データアナリストとしての信頼度も上がります。

データアナリスト/データ分析マスター講座の講師からすると、ここまでできれば「もう立派なデータアナリストの思考が身についている」と感じますし、実務において十分に活躍できます。

まとめ〜「データが語る真実」をビジネスの成果に変える

この課題で得られる「3つの確信」

1.データは嘘をつかない
複雑に絡み合った売上の要因も、回帰分析を使えば「何が重要で、何が重要でないか」が明確になります。

2.自分でもできる
つまずきやすいデータの前処理も、Google Colaboratoryと講師のサポートがあれば、一歩ずつ着実にクリアできることを実感できます。

3.提案には根拠が必要
「商品数を増やしましょう」など、提案時の言葉には、常に数値を裏付けとして持たせましょう。そうすることで、あなたの言葉にはプロとしての説得力が備わります。

データで切り拓く未来

データアナリスト/データ分析マスター講座のゴールは、あなたが学習を終えて現場に戻ったとき、データを活用し、自信を持って意思決定ができることです。

この講座の課題であるカフェの分析を通じて学ぶプロセスは、製造業や小売業、ITサービス、人事戦略など、あらゆる分野に応用できます。

あなたが手にするデータ分析スキルは、これからのキャリアでまさに一生モノの武器になるといっても過言ではありません。「なんとなく」の判断から卒業し、データ利活用でビジネスを成功させる道を、私たちと一緒に歩み始めてみませんか？